J:
Kā jaunās MIT mikroshēmas var palīdzēt neironu tīklos?
A:Jauns zinātniskais darbs pie neironu tīkliem var samazināt viņu enerģijas un resursu vajadzības līdz vietai, kurā inženieri varētu savas jaudīgās iespējas ievietot daudz daudzveidīgākā ierīču komplektā.
Tam var būt milzīga ietekme uz visu mūsu dzīvi, sākot no tā, kā mēs gatavojam ēdienu, līdz tam, kā mēs dodamies pie ārsta, vai uz to, kā mēs nokļūstam, izmantojot savas automašīnas vai sabiedrisko transportu.
Padomājiet par to, kā viedtālruņi mainīja mūsu dzīvi - pēc tam padomājiet, vai mašīnmācīšanās un mākslīgā intelekta tehnoloģijas ir iebūvētas šajās mazajās, pārnēsājamajās ierīcēs.
Daži no šiem revolucionārajiem darbiem ir apskatāmi MIT, kur daži elektrotehnikas un datorzinātņu studenti meklē, kā uzlabot AI / ML sistēmu dizainu un izveidi.
Konkrēti, MIT absolventa Abhishek Biswas un dažādu kolēģu centieni daudz uzmanības pievērš tehnoloģiju presei.
Techcrunch runā par to, kā neironu tīkla zinātnes evolūcija varētu veicināt “skaitļošanu pie malas” un ievietot jaudīgākas tehnoloģijas portatīvās ar akumulatoru darbināmās ierīcēs.
Forbes saka, ka Biswas izrāviens varētu “ievietot mākslīgo intelektu jūsu blenderī”.
Kopumā MIT zinātnieku sasniegumi rada vilni daļēji tāpēc, ka ir acīmredzams, kā šie sasniegumi var ietekmēt mūsu patērētāju tehnoloģijas, kā arī tās, kuras tiek izmantotas valdības vai biznesa vajadzībām.
Būtībā procesora attīstības veidam, ko apraksta Biswas, ir sakars ar funkciju lokalizēšanu mikroshēmas vidē. Science Daily rakstā rakstnieks skaidro, kā lielākajai daļai tradicionālo procesoru ir atmiņa, kas tiek glabāta ārpus apstrādes zonas, un dati tiek pārsūtīti uz priekšu un atpakaļ. Tomēr šī nepieciešamība pēc uzglabāto atmiņas datu pārvietošanas prasa daudz enerģijas.
Biswas runā par “dot produktu” vai galveno operāciju, kas palīdz neironu tīkliem darboties. Šie zinātnieki apsver arī bināro svaru izmantošanu sistēmu vienkāršošanai - un šī ideja tiešām ir bijusi datorzinātnes būtiska sastāvdaļa kopš brīža, kad tika izgudroti pirmie personālie datori.
Veicinot šāda veida aparatūras izmaiņas, zinātnieki nodrošina lielāku mašīnmācīšanās un mākslīgā intelekta rīku daudzpusību, kas maina to, kā mēs izmantojam tehnoloģijas. Pārejot no tīri deterministiskas lineāras programmēšanas uz sistēmu, kurā datori imitē cilvēka smadzeņu darbību, mēs sākam jaunu piedzīvojumu ar daudz jaudīgākām tehnoloģijām, kas atrodas mūsu rokai.
